다중 클래스 분류 모델 채점
다중 클래스 분류는 이진 분류에서와 같이 단일 불연속 결과를 예측하려고 하지만 클래스가 세 개 이상인 경우 사용합니다. 다중 클래스 분류 모델은 서로 다른 F1 평균으로 채점됩니다.
F1 매크로
F1 매크로는 가중치가 없는 각 클래스의 평균 F1 값입니다. 즉, 모든 클래스가 동등하게 처리됩니다.
마이크로 F1
Micro F1은 전체 confusion matrix에서 계산된 F1 값입니다. 전체 진양성, 가음성 및 가양성이 계산됩니다. Micro F1 점수를 계산하는 것은 전체 precision 또는 전체 recall을 계산하는 것과 같습니다.
가중치 적용된 F1
Weighted F1은 이진 분류 F1에 해당합니다. 각 클래스에 대해 계산된 다음 각 클래스의 레코드 수를 고려하여 가중 평균으로 결합됩니다.
정확도
정확도는 모델이 평균적으로 올바른 예측을 한 빈도를 측정합니다. 정확히 일치하는 예측 수를 샘플 수로 나눈 값으로 계산됩니다.
예측 속도
예측 속도는 모든 모델 유형에 적용되는 모델 메트릭입니다: 이진 분류, 다중 클래스 분류, 회귀, 그리고 시계열. 예측 속도는 기계 학습 모델이 얼마나 빨리 예측을 생성할 수 있는지 측정합니다.
Qlik 프로젝트에서는 결합된 기능 계산 시간과 테스트 데이터 집합 예측 시간을 사용하여 예측 속도가 계산됩니다. 초당 행으로 표시됩니다.
실험 버전을 실행한 후 모델 메트릭 테이블에서 예측 속도를 분석할 수 있습니다. 포함된 분석 기능을 사용하여 모델을 분석할 때 예측 속도 데이터도 볼 수 있습니다. 자세한 내용은 다음을 참조하십시오.
고려사항
측정된 예측 속도는 예측이 이루어진 데이터 자체가 아닌 교육 데이터 집합의 크기에 따라 결정됩니다. 모델을 배포한 후, 교육 데이터와 예측 데이터의 크기가 크게 다르거나 하나 또는 소수의 데이터 행에 대한 실시간 예측을 만드는 경우 예측이 만들어지는 속도에 차이가 있음을 알 수 있습니다.